MiniMax startet H3, ein multimodales Videomodell mit nativem Audio – Aktie springt um 17 % hoch

MiniMax hat am Freitag H3 veröffentlicht, ein neues multimodales Generierungsmodell, das Text, Bilder, Video und Audio in einem einzigen einheitlichen Kontext verarbeitet und nativ 2K-Video mit integriertem Stereoton in Clips von bis zu 15 Sekunden Länge ausgibt. Das chinesische AI-Unternehmen gab an, die Modellgewichte innerhalb weniger Tage als Open Source freizugeben, sodass Entwickler das zugrunde liegende System herunterladen und anpassen können, anstatt ausschließlich auf eine API angewiesen zu sein.

Die Veröffentlichung ist bedeutsam, weil sie MiniMax' Open-Weight-Strategie auf den Videobereich ausweitet – eine Domäne, die nach wie vor von geschlossenen, teuren Systemen von OpenAI (Sora) und Google (Veo) dominiert wird. MiniMax hat sich im vergangenen Jahr einen Namen damit gemacht, Modelle zu liefern, die nahe an proprietären Frontier-Benchmarks liegen, dabei aber einen Bruchteil dessen kosten, was US-Labore verlangen, und deren Gewichte öffentlich zugänglich sind. H3 wendet dasselbe Prinzip auf Video an: MiniMax zufolge kostet die Generierung von 2K-Material mit H3 etwa ein Drittel dessen, was gängige Konkurrenzprodukte berechnen – eine Preislücke, die das Unternehmen als direkten Wettbewerbsvorteil gegenüber Sora und Veo im Bereich der kommerziellen Videoproduktion positioniert.

Technisch gesehen führt H3 drei Komponenten ein, die MiniMax als Contextual Omni Representation, den H3-Omni Transformer und In-Context Regeneration bezeichnet. Zusammen ermöglichen sie dem Modell, gemischte Eingaben zu verarbeiten – etwa einen Textprompt gemeinsam mit einem Referenzbild, einem Videoclip oder einer Audiospur – und diese in einem gemeinsamen Repräsentationsraum zu halten. MiniMax zufolge verbessert dies die Instruktionsbefolgung und das multimodale Verständnis im Vergleich zur bisherigen Hailuo-Videolinie. Das Modell zielt zudem auf Kompatibilität mit chinesischen Inlands-AI-Chips ab, im Rahmen eines umfassenderen Bestrebens chinesischer AI-Unternehmen, die Abhängigkeit von US-amerikanischen Halbleitern sowohl für Training als auch für Inferenz zu verringern.

MiniMax vermarktet H3 klar an kommerzielle Anwendungsfälle: Werbung, E-Commerce-Produktvisualisierungen, Produktdesign und Spiele – Märkte, in denen gebrauchsfertige 15-sekündige Clips mit synchronisiertem Audio wertvoller sind als längere filmische Ergebnisse. Das ist ein engerer Zielmarkt als der breitere kreativgenerische Ansatz von Sora oder Veo, trifft aber genau dort, wo Studios aktuell am meisten für Stock- und produzierte Videoinhalte ausgeben.

Die Marktreaktion war unmittelbar: Die an der Hongkonger Börse notierten Aktien der MiniMax Group (HKG: 0100) stiegen nach der Ankündigung um bis zu 17,4 Prozent, bevor sie sich auf einen gemeldeten Tagesgewinn von 15,1 Prozent einpendelten. Ein Teil dieser Bewegung ist mit einem separaten Katalysator verknüpft – wachsende Investorenerwartungen, dass MiniMax kurz vor der Aufnahme in das Stock-Connect-Programm steht, was chinesischen Festlandinvestoren ermöglichen würde, die Aktie direkt über den Southbound-Trading-Link zu erwerben, und potenziell Zuflüsse in Höhe von zig Milliarden Hongkong-Dollar mit sich bringen könnte. Die H3-Veröffentlichung scheint diesen bereits bestehenden Schwung verstärkt zu haben, anstatt ihn von Grund auf neu zu erzeugen.

Für den AI-Videomarkt ist die geplante Open-Weight-Veröffentlichung von H3 das Detail, das es am aufmerksamsten zu beobachten gilt. Sollte MiniMax das Versprechen innerhalb weniger Tage einlösen, würde H3 zu einem der ersten multimodalen Videomodelle auf Frontier-Niveau mit öffentlich verfügbaren Gewichten werden – und Entwicklern sowie kleineren Studios eine selbst hostbare Alternative zu den geschlossenen APIs bieten, die die Kategorie derzeit prägen. Erstmals berichtet von Reuters, mit zusätzlichen Details von Investing.com und KFGO.